timm/seresnext50_32x4d.racm_in1k on Ascend NPU
1. 简介
本项目将 timm/seresnext50_32x4d.racm_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910)，实现单卡推理。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 创建模型结构并加载本地权重，不使用 HuggingFace 直连下载。
2. 验证环境
- 硬件: Ascend910 NPU
- OS: Linux 5.10.0
- Python: 3.x
- PyTorch: 2.x + torch_npu
- timm: latest
- ModelScope: latest
3. 推理运行
python inference.py输出 Top-5 预测结果，日志写入 logs/inference.log。
4. 精度验证
对单张测试图片进行 CPU 与 NPU 一致性验证：
| 指标 | 数值 |
|---|---|
| max_abs_error | 0.004019 |
| mean_abs_error | 0.000738 |
| relative_error | 0.0314% |
| cosine_similarity | 1.000000 |
| threshold | 1.0% |
| 结果 | PASS |
- CPU Top-1: class_852
- NPU Top-1: class_852
- CPU Top-5: class_852, class_996, class_995, class_354, class_990
- NPU Top-5: class_852, class_996, class_995, class_354, class_990
- Top-1 match: True
- Top-5 match: True
5. 性能参考
| 指标 | 数值 |
|---|---|
| avg_latency | 7.44 ms |
| min_latency | 7.06 ms |
| max_latency | 8.16 ms |
| p50_latency | 7.42 ms |
| p90_latency | 7.75 ms |
| p95_latency | 7.85 ms |
| throughput | 134.49 images/sec |
6. 精度评测说明
本项目包含单图 smoke consistency 验证，非官方 ImageNet 完整验证集评测。详细指标见第 4 节。
7. 自验证截图
8. 日志文件
logs/inference.log- 推理结果日志logs/accuracy.log- 精度一致性验证日志logs/benchmark.log- 性能基准测试日志logs/env_check.log- 环境检查日志
9. 注意事项
- 使用
pretrained=False+ 本地权重加载，不依赖 HuggingFace 自动下载 - 权重文件（*.safetensors, *.bin 等）不提交到仓库
- 仅包含单图 smoke 验证，非完整 ImageNet 评测
- 精度验证通过阈值：relative_error < 1.0%
10. 标签
#NPU